「データはある。でも使えない」 ――AIが露わにするデータ基盤の現実
AIに任せる範囲を広げるために、データそのものを整える 本稿の要点 AIを導入してはじめて、データに問題があることに気づく、というケースが増えている データの問題はAIの問題ではない。以前からあった問題が、AIによって表に出ただけという整理 DWH・データレイク・レイクハウスの違いと、AIが使えるデータ基盤の選択肢 「データがある」と「AIが使えるデータがある」を分ける3つの壁 ガバナンスはデータ...
LLMの外にある仕組みを、ハーネスと呼んでいる。 AIエージェントに仕事を「任せる」ための条件と、人が持ち続ける責任
生成AIは、多くの職場で当たり前の道具になりました。調べものをする、文章をまとめる、資料のたたき台をつくる。ただ、AIに「答えてもらう」ことと、仕事そのものをAIに「任せる」ことの間には、まだ大きな距離があります。AIエージェントという言葉は広がっても、自社の業務を任せるのは「ちょっと先の話」と感じている人も多いのではないでしょうか。 「初めて見た問題も解けるようになりました」—— そう話すのは、...
相次ぐ個人情報漏洩 2026年9月ごろから、大手企業や公的機関で個人情報の漏洩が相次いで公表され、ニュースを騒がせています。会員情報が1,000万件を超えて漏れた例もあります。10月上旬には、個人情報保護委員会や警察庁など多くの政府機関が、企業や個人に向けて次々と注意喚起を出しました。 漏れた情報の中には、とうに退会した人や、登録を途中でやめた人のものまで含まれていたとの報告がありました。本人はも...
和歌山県すさみ町 NGSIv2対応の記録～ ODS・GIF・NGSI をつなぐデータモデリングの実際 ～ OPEN DATA WITH STANDARD DATA MODELSCASE STUDY : SUSAMI TOWN, WAKAYAMA × NGSIv2 01 / Executive Summaryエグゼクティブサマリー 株式会社ウフルは、和歌山県西牟婁郡すさみ町におけるオープンデータ推進...
AIに任せる範囲を広げるために、判断そのものを整える 本稿の要点 判断業務のAI化が止まる要因の一つは、AIの性能よりも、「何を正解とするか」が人によって異なること 基準が文書で整っていても判断がばらつくのはなぜか、そしてなぜ気づかれにくいのか AIに任せる範囲を広げるための5つの手順 最終判断は人が担い、AIが迷うケースは人に渡しながら、確認の範囲を少しずつ見直していく考え方 自社の判断業務の現...
それは自然現象ではない、経営の選択だ。 フィジカルAIの現実と、人間に残る「問い」
第2回では、「AIは受注仕事に向いている」という若林氏の指摘から、私たちの仕事がAIの登場以前から機械に渡しやすい形につくられてきたこと、そしてAIを具体的な産業や現場でどう価値につなげるかを考えました。最終回では、AIによる効率化が企業や経済に何をもたらすのかを入り口に、フィジカルAIの現実と、人間に残る「問い」について話を進めます。 KEI WAKABAYASHI × NAOYA SAKAMO...
「個人のAI」から「組織で動くAI」へ——業務を任せる前に、決めておくこと 本稿の要点 AIエージェントが「個人の道具」から「組織の業務を動かす仕組み」へ移りつつある中で、導入時の論点がどう変わるか AIエージェント活用は段階的に広がるものであり、いきなり複数連携を目指す必要はないこと 提案から運用までのフェーズで、着手前に決めておきたい5つの論点 「勝手な処理」「使ってはいけないデータの利用」「...
AIは、受注仕事に最適化されている。 そこから見えてくる、AI時代の思考のクセ
第1回では、テクノロジーがなぜ再び国の管理下に引き戻されつつあるのか、という話を伺いました。サイバーセキュリティという概念の登場によって「国の内と外」の境界が溶け、企業もまたその流れに巻き込まれつつある、というのが若林氏の見立てでした。 第2回となる今回は、国家から個人へと視点を移し、人間の思考とAIビジネスの実像をテーマに対話が進みます。きっかけは、坂本の「人間とAIの関係性は、今後どうなってい...
AIはもう、企業だけの問題ではない。 国とテクノロジーの距離が縮まっていく時代に、私たちはどこに立つのか
「このAI、ある日突然使えなくなるかもしれない」――そう考えたことはあるでしょうか。 実際に、あるAI企業が自社のモデルの提供を、国の意向によって突然停止するという出来事がありました。AIはもはや、性能や使いやすさだけで選べるツールではありません。国家戦略や経済安全保障とも深く結びつき、企業の意思だけではコントロールできない存在になりつつあります。 AIが進化する時代に、本当に失ってはいけないもの...
データ連成が拓く、人間主導のイノベーション ——「AIの後ろを歩いてはいけない」
前編では、「AIは工学であって、サイエンスではない。だから、本質的に再現しない」という大澤幸生氏（東京大学大学院工学系研究科教授）の指摘をもとに、AIへの過剰な期待と、人間が退化するかもしれない「第2のシンギュラリティ」について語られた。 後編は、バラバラなデータを、どう組み合わせれば新しい発見につながるのか。後編では、大澤氏の「データ連成」の考え方を軸に、人間とAIがどうバトンを渡し合い、それぞ...
ご依頼・ご相談など、お問い合せはこちら
